基于BP神经网络的港口城市经济发展预测研究

分析说明BP神经网络的工作原理,针对连云港市1995年至2004年港城互动经济数据,构造相应的BP神经网络结构并进行网络训练,结果表明BP神经网络用于港城经济的发展预测是可行的。     

基于BP神经网络的电力负荷预测研究

提出了一种有着显著优点的基于MATLAB的人工神经网络负荷预测的方法,算例分析结果充分证明了基于MATLAB的BP网络对电力负荷的中长期预测更加精确。     

基于BP神经网络的工程项目成本预测方法研究

本文通过运用BP神经网络方法快速对工程成本进行估算使项目的成本管理向预防性管理发展,从而提高企业抗风险能力,为保证经济效益做好基础工作。     

基于BP神经网络和相关系数结合的股票价格预测

股票价格预测一直是困扰投资者的难题,为了提高股票价格的预测精度,本文提出一种基于BP神经网络和相关系数结合的股票价格预测方法。从股票数据中选取10个影响股票价格的因素,计算它们与股票价格的相关系数,从中提取关键因素,利用BP神经网络预测未来股票价格。将此方法用于华谊兄弟(300027)预测股票收盘价,结果表明,相对于未提取关键因素的BP神经网络,此方法提高了股票价格的预测精度。     

基于BP神经网络算法的粮食最低收购价定价预测

基于BP神经网络进行粮食最低收购定价预测分析。由于没有2016年的相关数据,而要预测2017年的指标数据,单纯的计量经济模型已经无法解决。神经网络是一个智能算法,综合考虑多个影响因素,得到了想要的预测结果。用两种方式进行预测,一方面用时间序列的趋势项作为神经网络的输入,另一方面用上一年度的指标数据以及种植面积数据作为输入,最后输出2017年的最低收购价数据,最后得到小麦和稻谷的最低收购价预测区间分别为[119.515,125.972]和[143.007,153.677]。     

基于BP神经网络的黄金期货价格预测

本文在BP神经网络的基础上,利用2012年7月26日至2013年5月29日期间黄金期货的每日平均价与每日收盘价,对二者价格进行实际模拟和预测.模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对黄金期货市场的预测是可行的.     

基于季节调整的BP神经网络等三种模型对中国出口研究

本文以出口额、实际汇率、我国GDP、美国IPI及它们的季节变量等六个变量为决定变量,运用BP神经网络、ARIMA及AR-GARCH三种方法,对我国向美国的出口额分别建模,并进行了预测。选取误差指标,分别对三个模型得到的模拟结果和预测结果同真实值进行比较。结果发现,三种模型效果都令人满意,虽在模拟和预测能力上有一定差别,但ARIMA模型优势明显。本文分析了以上结果产生的原因,并结合模型为提高我国出口提出建议。     

基于BP神经网络的沪深300股指期货价格预测

本文在BP神经网络的基础上,利用沪深300股指期货的每日收盘价,对其价格进行实际模拟和预测。模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对沪深300股指期货市场的预测是可行的。     

基于BP神经网络的股票价格预测研究

本文针对股票市场这一非线性系统,利用人工神经网络的方法来对股票进行时间序列预测。采用BP神经网络,将历史时间序列数据作为参考依据,预测未来短期内的股票价格;并在此基础上,与实际的股票价格进行对比分析,并得出结论。对于股票市场内的投资者具有一定的理论意义和实践价值。     

基于BP神经网络的股市分析

神经网络领域已经有50年历史了,但是实际应用却在最近15年里,特别是近几年来,神经网络已经成为热点研究领域,已经在各个领域中应用,以实现各种复杂的功能。这些领域包括:模式识别、鉴定、函数拟合、分类、语音、翻译和控制系统。股票市场是一个非线性的系统,本文基于BP神经网络,以1998年～2008年的上证股市大盘增幅数据作为训练,对以后的一年多数据进行验证,以证实神经网络对股市的预测。     

基于GA—BP神经网络模型的期货价格预测与分析

本文选取20091月5日～10月29日的大豆期货主力i1001合约共200个交易数据作为训练数据,10月30日～11月12日的10个数据为测试数据,利用BP神经网络对期货价格建立预测模型,并用遗传算法进行修正,从而实现对大豆期货交易价格的预测分析。结果表明,改进后的GA—BP神经网络模型拟合精度明显高于BP神经网络模型,并对期货价格走势有良好的预测效果,可给期货市场的投资者提供投资建议。此外,利用改进后的模型可对期货市场操纵现象进行预警,对监管者具有一定参考价值。     

BP神经网络、SVM在个人收入预测中的应用

改革开放以来,中国居民收入稳步上涨,但收入差距却越来越大。对于个人收入的分析也成了研究的重点。本文利用matlab R2012a建立了BP神经网络和支持向量机算法模型,得到了两个模型在研究个人收入预测应用中总体预测准确率、均方误差MSE和决定系数R2的值。结果表明,相比于BP神经网络,支持向量机预测准确率更高,模型拟合度更好,具有更好的预测效能。     

BP神经网络在煤层气井产量预测中的应用

BP学习算法是一种单向传播的多.层前向网络,Matlab 中的神经网络工具箱以人工神经网络理论为基础.本文基于Matlab的工具箱,结合沁水樊庄区块晋试1-6井和TL003井的抽排实验数据对煤层气井产量进行预测,验证了BP神经网络在沁水樊座区块预测煤层气井产量的可行性,且BP算法收敛速度快,误差小,值得推广.     

BP神经网络在我国创业板公司成长性预测中的应用

由于中国创业板上市企业具有高科技和高成长性特点,因此对其的研究成为金融证券市场关注的焦点,特别是成长性研究已经成为资本运作和股票投资的重要依据.本文基于财务绩效评价指标体系构建了创业板企业成长性的评价体系,提出采用BP神经网络进行成长性评价预测的新模式,最后通过实例验证了该模型对我国创业板企业成长性评价的有效性.     

AC公司基于BP神经网络预测的安全库存优化分析

中国工程机械行业不断扩大的产品线及业务规模,使企业面临一个存在较多不确定因素且无法准确预测客户需求的买方市场。在这种背景下,如何更好的满足客户的需求,同时能有效降低企业库存成本,成为许多工程机械企业面临的最大难题。本文运用BP神经网络预测方法,通过Matlab工具箱仿真实现企业对于售后服务配件安全库存的预测及优化,保证客户满意度的同时,优化企业库存成本,提升企业产品服务的竞争力。     

基于BP神经网络和ARIMA组合模型预测浙江省人均国内生产总值

本文应用BP神经网络和ARIMA构成组合预测模型,对“十一五”期间浙江省人均GDP的变化趋势进行了综合分析与预测。预测结果显示,2006年～2010年间,浙江省人均GDP平均将为40624.53元,人均GDP平均增长率为10.01%。     

基于BP神经网络法银行产品营销预测模型的研究

随着商业银行金融业务的发展和体制改革的不断深化,国内各商业银行之间的竞争日趋激烈,这一趋势在国内金融产品营销上的表现得尤为突出。各银行为了获取更多的客户资源、占有更大的市场份额,往往采取"简单"的性价比竞争和"此起彼伏"的推销宣传战,其弊端显而易见。这就要求银行要采取以客户为中心的策略,根据客户的类型和需求提供多样化、层次化、个性化的服务解决方案。因此,营销模型成了预测利润,提高客户满意度、忠诚度的有效指导工具。近几年迅速发展起来的数据挖掘技术就是实现这一目标的重要手段。本文通过BP神经网络对产品营销响应进行预测分析,指导营销方案的设置和提高效率。